Kanserli lökosit hücrelerinin tespit ve sınıflandırılmasında dinamik bölütleme

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Türkiye

Tezin Onay Tarihi: 2015

Tezin Dili: Türkçe

Öğrenci: Ömer Kasım

Danışman: AHMET EMİN KUZUCUOĞLU

Özet:

Kanserli Lökosit Hücrelerinin Tespit Ve Sınıflandırılmasında Dinamik Bölütleme Kan yapısının analizi yapılarak hastalıkların teşhisinin konulması işlemi, mikroskop yardımıyla morfolojik incelemeye dayanır. Hematoloji uzmanları, preparatta bulunan lökosit hücrelerinin yapısını ve sayısını inceleyerek morfolojik incelemeyi gerçekleştirirler. Hastane uygulamalarında bu işlemler yoğun bir tempoda, boyama ve ışıklandırma için ayrı bir çaba sarf etmeksizin yapılmaktadır. Böyle bir durumda hem gözden kaçabilecek bilgiler hem de uzmanın harcadığı zaman hayati öneme sahip olmaktadır. Bu sıkıntıları telafi etmek amacıyla geliştirilen algoritmayla, çok kaliteli hazırlanmamış preparat görüntüsünde bile lökosit hücrelerinin analizi yapılmaktadır. Böylelikle uzmana daha temiz ve net görüntüler sunularak zaman kaybı ve gözden kaçırma ile oluşabilecek hatalar en aza indirgenmektedir. Diğer taraftan ülkemizdeki hematoloji uzmanı sayısının yetersiz olması sebebiyle uzmanın olmadığı sağlık kuruluşlarında, geliştirilen bu programla yapılan incelemelerde, hastalık belirtisi gösteren lökosit hücreleri tespit edilerek gerekli yönlendirmelerin yapılması öngörülmektedir. Bu sıkıntıları gidermek amacıyla geliştirilen tam otomatik sistem tasarımı ile preparat görüntüsü, Otsu yöntemi ile dinamiklik katılan Parçalı Lineer Filtre ile zenginleştirilmekte ve lökosit hücre alanları daha belirgin hale getirilmektedir. Sonrasında K-Ortalamalarla desteklenen Markov Rastsal Alanları ve İteratif Durumsal Metot yöntemlerini içeren uzamsal hibrit yapıyla lökosit hücre alanları bölütlenmektedir. Böylece farklı boyama kalitesi ve ışıklandırmadan kaynaklanan sıkıntılar en aza indirgenmektedir. Bölütlemeyle elde edilen lökosit alanları üzerinden öznitelik çıkarımıyla hücreye ait 34 farklı bilgiyi içeren öznitelik vektörü oluşturulmuştur. Gini analiziyle bu vektörün eleman sayısı 11’e düşmektedir. Bu çalışmada geliştirilen Cnt ve Sc Faktörlerle yapılan Gini analizinde ise bu sayı azalarak 5’e düşmüş ve 5 farklı lökosit hücresi Olasılıksal Yapay Sinir Ağlarıyla daha hızlı sınıflandırılmıştır. Geliştirilen algoritma hastanelerin hematoloji arşivlerinden alınan ve Utah Üniversitesi veri tabanından alınan 220 görüntü üzerinde test edilmiştir. Yapılan deneylerde, sistemin 5 farklı lökosit hücresini sınıflandırma başarısı %93 olarak ölçülmüştür. Hematoloji alanında, sınıflandırılan lökosit hücrelerinin sayısı ve yapısı analiz edilerek hastalık teşhisi konmaktadır. Bu hastalıklardan birisi de lösemidir. Bu hastalığın erken teşhis edilmesi hayati öneme sahiptir. Bu hastalığın kesin teşhisi için yayma işlemi önemli bir yere sahiptir. Hematoloji uzmanları preparatta bulunan ve lökosit hücre türlerinde birisi olan lenfosit hücrelerinin yapısını ve sayısını inceleyerek teşhis işlemini gerçekleştirmektedirler. Çalışmada sınıflandırılan ve sayımı yapılan hücrelerin sayısı ve bozulma oranları ölçülerek oluşturulan veri seti, hematoloji uzmanının karar verme adımlarına sahip kural tablosu ile modellenen uzman sistem tarafından değerlendirilmektedir. Yapılan deneylerde uzman sistemin çıktıları ile hematoloji uzmanlarının hastalık teşhisi koyma durumlarının %97 oranında örtüştüğü tespit edilmiştir. Özellikle Akut Lenfoblastik Lösemi türleri üzerinde etkin çalışan uzman sistem, L1, L2 ve L3 derecesinin tespitini gerçekleştirmektedir. Sistem, erken teşhisin ana teması olan L1 düzeyinin teşhisi ile tedavi adımlarında hem hastaya destek olmakta hem de maliyetin önemli oranda düşürülmesini sağlamaktadır. Sonuçlar, bu alanda çalışma yapan uzmanlara ve uzmanın olmadığı ortamlarda gerekli yönlendirmelerin yapılmasına olanak sağlayacak niteliktedir. Anahtar Kelimeler: Görüntü İşleme, Markov Rastsal Alan, Parçalı Lineer Filtre, K-Ortalamalar, İteratif Durumsal Metod, Öznitelik Çıkarma, Cnt Faktör, Sc Faktör, Gini Analizi, Sınıflandırma, Olasılıksal Yapay Sinir Ağları, Karar Ağaçları, Uzman Sistem. ABSTRACT Detection and Classification of Cancerous Leukocyte Cell with A Dynamic Segmentation Method Diagnosis of diseases which are related to disorders of the leukocyte’s structure is based on morphological examination methods. At the end of this examination, leukocyte’s numbers, disorders and types of them are determined by hematology specialists without an intense pace for staining and lighting effort. Therefore, this process causes the loss of the vital information and time. On the other hand, this observation is influenced by the experience of the experts. Therefore there is always a need for a cost effective and robust automated system for leukemia detecting algorithm which can greatly improve the output without being influenced by an operator fatigue to get standardized reports. The algorithm which is proposed in this study can support the specialists to examine the not well stained smear easily. Thus, specialists and proposed algorithm can observe the cells structure of a clear image and classify them into five categories without loss of information. In this manner, quick examination, loss of time, inadequate specialists and diagnosis problems can be solved by the proposed algorithm. At the first step of our algorithm, the leukocyte’s area is enriched with Otsu based dynamic Piecewise Linear Filtering Method. After that a hybrid spatial learning structure which is composed of K-Means, Markov Random Field and Iterated Conditional Method have been used to get Region of Interests. This hybrid method minimizes the quality of different staining and lighting problems. At analysis step, we obtained 34 different vector elements of each Region of Interests. The member of this vector has dropped to 11 by Gini Method. The Cnt Factor and Sc Factor which are proposed in this study decrease this number of features set into 5. This also reduces the classification pace. Then, this vector is divided into 5 different classes with the Probabilistic Neural Network. This algorithm is applied on 220 images which are taken from hematology archives and Utah databases. The classification of 5 types of leukocytes performance was measured 93%. The classified cells are used to determine the leukemia disease in hematology field. The lymphocytes’ disorders and amount of it are used to make a decision about leukemia’s degree. ALL and AML are the main categories of leukemia. At early diagnosis step, ALL-L1, ALL-L2 and ALL-L3 determination have to be done. L1 is the earliest stage. If the diagnosis is done at this stage, treatment stage can be successful. In our country, there is a few trained hematology to distinguish these levels. Our algorithm can classify the degree of leukemia with 97%. Thus, the proposed methodology demonstrates that the proposed algorithm can support not only hematology experts but also the absence of the experts to get the improvement in the early effective treatment for leukemia and the obtained results can support the specialist and the proposed algorithm can give useful information about the smear if there isn’t any specialist. Keywords: Image Processing, Markov Random Field, Piece-wise Linear Filtering, K-Means, Iterated Conditional Mode, Feature Extraction, Cnt Factor, Sc Factor, Gini Analysis, Classification, Probabilistic Neural Networks, Decision Tree, Expert System.